Академический Документы
Профессиональный Документы
Культура Документы
Modelos Estruturais
Conclusao
Marcelo C. Medeiros
Departamento de Economia
Pontifcia Universidade Catolica do Rio de Janeiro
Aula 1
Ementa
Series Temporais
4
x 10
1.8
1.6
1.4
1.2
Indice
1
0.8
0.6
0.4
0.2
Retornos
0.1
0.1
0.4
12log(M1)
0.3
0.2
0.1
0
10 20 30 40 50 60 70 80 90 100 110
Observao
0.2
log(M1)
0.1
0
12
0.1
0.2
10 20 30 40 50 60 70 80 90 100 110
Observao
100
log(M1)
50
0
12
50
100
10 20 30 40 50 60 70 80 90 100 110
Observao
4500
4000
3500
MW
3000
2500
2000
1500
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000
2750
1000
hour 5 hour 6 hour 7 hour 8
4500
2750
1000
hour 9 hour 10 hour 11 hour 12
4500
2750
1000
hour 13 hour 14 hour 15 hour 16
4500
2750
1000
hour 17 hour 18 hour 19 hour 20
4500
2750
1000
hour 21 hour 22 hour 23 hour 24
4500
2750
1000
90 91 92 93 94 95 96 97 98 90 91 92 93 94 95 96 97 98 90 91 92 93 94 95 96 97 98 90 91 92 93 94 95 96 97 98
90
80
70
60
50
Inflao (IPCA)
40
30
20
10
10
0 50 100 150 200 250 300
Observao
Modelos Estruturais
Modelos Estruturais
Modelos Estruturais
Processos Estocasticos
Processos Estocasticos
Definicao: Processos Estocasticos
Um processo estocastico e uma sequencia ordenada de
variaveis aleatorias, {yt (), , t T }, tal que para todo
t T , yt () e uma variavel aleatoria em e para todo
, yt () e uma realizacao do processo estocastico
indexado em T .
Ft (zt |Fz,t1 ),
yt = h(yt1 , yt2 , . . . , x, u, d; 0 ),
e a forma reduzida e 0 = m( 0 ).
Para i = 0:
1 + r
E c ct |Ft = 0
1 + t+1
Modelo Estrutural.
Dado que
i /
1+r
ct+i = ct , entao
1+
" #
X yt+i
ct = ( 1) + (1 + r )Ati ,
(1 + r )i
i =0
onde 1
(1 + )
= 1 .
1
(1 + r )
Marcelo C. Medeiros Series Temporais e Modelos Dinamicos
Introducao
MGDs e Modelos Econometricos
Modelos Estruturais
Exemplos
Conclusao
Quando = r :
" #
X yt+i
ct = r + (1 + r )Ati ,
(1 + r )i
i =0
Forma reduzida:
1 t 0 1 0 t1 u
= + + 1t
0 1 yt (i ) ( 1) 0 yt1 u2t
1
t 1 0
= +
yt 0 1 (i )
1
1 1 0 t1
+
0 1 ( 1) 0 yt1
1
1 u1t
0 1 u2t
Dado que
1
1 1
= ,
0 1 0 1
o modelo resultante e
t (i ) 1 + ( 1) 0 t1 u1t + u2t
= + +
yt (i ) ( 1) 0 yt1 u2t
zt = A0 + A1 zt1 + vt
Modelo Auto-regressivo Vetorial (VAR)
t = (i ) + [( 1) + 1] t1 + u2,t + u1t
t = 0 + 1 t1 + v1t
Modelo Auto-regressivo (AR).
yt = ct + it + g
ct = yt1 + t
it = (ct ct1 ),
Portanto,
Logo,
onde ut = ( + 1)t .
Modelos DSGE
t = Et (t+1 ) + xt + ust
xt = Et (xt+1 ) [Rt Et (t+1 )] + udt
Rt = t + uRt ,
Modelos DSGE
onde:
zt = (t , xt , Rt )0 ;
ut = (ust , udt , uRt )0 e
t+1 sao erros expectacionais.
Conclusao